Les effets physiopathologiques du sport à haut niveau sur le système cardio-vasculaire
Bibliographic record
Abstract
Introduction : Les maladies cardiovasculaires font parties des pathologies les plus mortelles devant le cancer et les accidents vasculaire cérébraux. Nous savons qu’une hygiène de vie la plus saine possible diminue le risque de décès. Une alimentation équilibrée et la pratique régulière d’activité physique sont recommandées. Chez les sportifs de haut niveau la prévalence des accidents cardiaques est en augmentation ces dernières années. Les évolutions du sport entrainent des modifications physiopathologiques sur le système cardiovasculaire que nous décrirons à travers cette étude. Méthode : La recherche d’articles a été effectuée dans deux bases de données (PubMed et Scopus). Les articles ont été triés manuellement et leur validité a été évaluée grâce à l’échelle Newcastle-Ottawa. Résultats : Treize articles ont été retenus. Quatre articles étant des cohort study et 9 étaient des case-control. Conclusion : Les adaptations sont l’augmentation de la pression artérielle, l’hypertrophie ventriculaire droite/gauche, la présence d’une repolarisation précoce et d’arythmie. L’association de ces événements donne ce qu’on appelle le cœur de l’athlète. Ce dernier présente les mêmes similitudes que les pathologies cardiovasculaires. Il est conseillé pour les sportifs de faire un examen clinique, un ECG, un interrogatoire et de regarder les antécédents familiaux avant de pratiquer du sport. Il est préférable de renouveler ces conseils chaque saison pour contrôler les changements.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".